本文深入探讨了数据融合技术，解释了其作为多源信息处理技术的角色，旨在通过传感器数据的分析和综合提供最佳估计。数据融合涉及多层次处理，包括检测、互联、估计和组合。在传感器网络中，它能提升信息准确性、降低不确定性、增强系统可靠性和实用性。文中进一步讨论了数据融合技术的分类，如数据包级、跟踪级融合模型，并介绍了无线传感网中的数据融合技术，如基于路由和反向组播树的方法。此外，还列举了主要的数据融合方法，如综合平均、卡尔曼滤波等。
第9章
1. 数据融合
也被称作信息融合，是一种多源信息处理技术。它通过对来自不同传感器的数据进行分析和综合，可以获得被测对象及其性质的最佳一致估计。
包含3个含义：多传感器数据融合是一种多层次、多方面的处理过程，每个层次代表了信息的不同抽象程度；数据融合过程包括对多源数据进行检测、互联、估计和组合；数据融合的输出包括低层次上的状态身份估计和高层次上的总战术态势的评估。
2. 传感器网络中数据融合的作用：（广义）
（1）提高信息的准确性和全面性 （2）降低信息的不确定性 （3）提高系统的可靠性 （4）增加系统的实用性
3. 传感网中数据融合的作用：
（1）节省能量（2）获得更准确的信息（3）提高数据的收集效率
4. 数据融合技术的分类
a) 数据包级融合模型
根据融合前后数据的信息含量分类：无损融合（lossless aggregation）、有损融合 （lossy aggregation）
b) 跟踪级融合模型
根据信息流通形式和网络节点处理的层次分为：集中式结构模型、分布式结构模型。
c) 根据数据融合与应用层数据语义之间的关系分类：依赖于应用的数据融合（ADDA）、独立于应用的数据融合（AIDA）
最低0.47元/天 解锁文章
5046
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
